目标被动式跟踪评述

首先介绍了目标被动跟踪的发展状况，然后按照不同的量测源分别对现有的被动跟踪方法进行讨论，并给出了各种方法的适用范围和各自的优缺点。最后试探性地给出目标被动跟踪的发展趋势，及其需要解决的重点、难点问题。     

基于贝叶斯网络模型的信息检索

贝叶斯网络模型是解决信息检索领域问题的有效手段，因为它可以表示术语间的条件概率和概念语义，并依此预测用户查询和文档间的相似度。本文对信息检索中的贝叶斯网络模型做了若干改进，加入了一些新特征，并用实验结果证明了通过提高贝叶斯网络模型的质量和调整其中的参数，我们的方法取得了较好的检索效果。     

基于协方差矩阵变换的相干源个数估计

正确地估计信号源个数是高分辨阵列信号处理的一个重要组成部分,本文提出了一种相干源个数估计的方法。这种方法是先采用空间平滑技术对信号源去相关,然后对阵列协方差进行酉变换,最后用基于协方差矩阵变换的信息论准则和盖氏半径(Gerschgorin Radii)两种方法估计信号源个数。计算机仿真结果证实了方法的可行性。     

具有空间宽带效应的毫米波3D MIMO信道估计

在现有的大规模三维多输入多输出（3D MIMO）系统中,相邻天线间的距离可能非常大,这往往会导致电磁波穿过阵列孔径时出现物理传播延迟,被称为空间宽带效应。而大多数学者在研究信道估计时为方便通常会忽略它,仅仅有学者研究雷达系统时提到了空间宽带效应。而去年有学者将其引入到了2D MIMO毫米波系统中,本文在此基础上将其扩展到了毫米波大规模3D MIMO系统中,基于平面天线阵列的水平角和垂直角设计了一种新的信道模型,并提出了一种信道估计算法,仿真结果表明其具有良好的信道估计性能。      

基于流量工程的软件定义网络控制资源优化机制

针对软件定义网络(SDN)分布式控制平面中由于网络分域管理所引发的控制扩张问题,该文提出了一种基于流量工程的SDN控制资源优化(TERO)机制。首先基于数据流的路径特征对流请求的控制资源消耗进行分析,指出通过调整控制器和交换机的关联关系可以降低控制资源消耗。然后将控制器关联过程分为两个阶段：先设计了最小集合覆盖算法来快速求解大规模网络中控制器关联问题;在此基础上,引入联合博弈策略来优化控制器和交换机的关联关系以减少控制资源消耗和控制流量开销。仿真结果表明,与现有的控制器和交换机就近关联机制相比,该文机制能在保证较低控制流量开销的前提下,节省约28%的控制资源消耗。

     

纯相位空间光调制器动态控制光束偏转

提出并设计了一个采用液晶空间光调制器(LCSLM)作为光束动态偏转器件的无机械光束扫描系统,实现了光束的方向和强度的可编程控制,解决了远场任意图形的激光光束动态逼近问题。逼近方法采用纯相位调制技术和傅里叶迭代优化算法结合的衍射图形相位优化设计方法。介绍了点阵图形发生原理并给出实验装置图。实验结果显示,用该方法产生的二维阵列式光束,其光斑强度偏差度小于8%,图形发生响应时间小于100 ms,该实验结果能够满足多光束准确动态偏转的要求。该系统具有精确、响应快、无机械惰性等特点,在激光寻的、制导以及多目标威胁预警和反击中有着重要的研究价值。     

高斯光束通过空间滤波器的传输特性

采用矩阵分解和用有限个复高斯函数之和逼近硬边光阑窗口函数相结合的方法,从柯林斯衍射积分公式出发,对高斯光束通过空间滤波器的传输特性进行了分析,得到了相应的解析式。通过对解析式的数值模拟,得出了直观的结果,并进行了误差分析。数值计算结果表明,最佳滤波小孔尺寸的选择和计算误差均与光束的截断参数有关。在此基础上,进一步研究了空间滤波器具有像传递功能时,高斯光束和平顶高斯光束(N=12)通过空间滤波器的传输特性,得出了截断参数与滤波后光强分布的关系,并证实了此方法也可用于计算其他类型光束通过空间滤波器的传输。     

频谱分析在DOA估计中的应用

子空间方法的本质是利用噪声子空间与阵列流型之间的正交性对阵列空间采样数据中空间频率进行估计。文章从快拍数据频谱分析的角度来实现这一估计。文中详细推导了窄带情况下DOA和快拍频谱的关系,提出了两种运算量较小、便于工程实现的利用FFT估计窄带DOA的方法。在宽带情况下,详细推导了宽带信号空间频率和时间频率的关系,推导出宽带信号频率对齐的方法,提出了两种直接利用对齐结果来估计宽带DOA的新方法。文中所用方法运算量小,便于硬件实现,仿真结果证明了算法的有效性。     

关联规则快速聚焦算法研究与实现

提出了一种实用的快速聚焦关联规则更新算法。在需要反复调整最小支持度的情况下,如何充分利用以往挖掘过程中的信息,避免多次扫描数据集;在如何有针对性的产生候选项集,从而减少候选集的规模;在如何提高候选项集的支持事务计数的效率等方面进行了研究,给出了算法的具体实现。通过分析,本算法是可行的。     

空间一致性邻域保留嵌入的高光谱数据特征提取

局部线性嵌入(LLE)和邻域保留嵌入(NPE)等流形学习方法可以提取高光谱数据的主要结构特征,有助于对数据的理解和进一步处理。但是,这些方法忽视了高光谱图像中相邻像素之间的相关性。针对这个问题,提出一种基于空间一致性思想的邻域保留嵌入(SC-NPE)特征提取算法,通过一个优化的局部线性嵌入,并考虑相邻像素的相关特性,在高维空间建立数据的局部邻域结构。然后寻找一个优化的变换矩阵,将局部邻域结构投影到低维空间,实现数据的特征提取。与LLE和NPE算法相比,SC-NPE既考虑高光谱数据的流形结构,又考虑了其图像域空间信息,可以更好地应用在高光谱数据的特征提取过程中。实验结果表明,SC-NPE特征提取算法在高光谱图像分类方面的性能明显优于其他同类算法。